机床热补偿中温度变量分组优化建模

提出数控机床热误差分组优化建模。在数控机床热误差建模时，先根据温度变量之间的相关性对测量所得的所有温度变量进行分组，再根据各变量与热误差之间的相关性选择典型变量并加以组合，最后依据多元测定系数(回归平方和与总平方和的比值)确定用于建模的温度变量。给出了分组优化建模实例。通过分组优化建模，减少了选择温度变量和建模所需的时间，且避免了误差模型中的变量耦合，提高了热误差模型的精确性和鲁棒性，从而使数控机床热误差实时补偿更有效。     

一种新的数控机床热误差实时补偿方法

根据数控机床加工热误差,首先,利用粗集理论方法,分析各变量与热误差之间的相关性,选择出机床热误差补偿的重要特征参数。然后提出一种动态反馈网络建立数控机床加工热误差补偿模型,新的数控机床热误差实时补偿方法具有补偿误差精度高,网络学习收敛速度快,误差补偿实时性好等特点。仿真实验结果证明了该方法的可行性和有效性。     

基于逐步回归的机床温度测点优化及热误差建模技术

通过对机床温度测点进行优化,建立其与机床热误差之间的数学模型,对机床热误差进行实时预测与补偿控制,是提高数控机床加工精度的重要途径。为解决现有机床热误差模型预测精度低、鲁棒性差的问题,提出一种基于逐步回归的数控机床温度测点优化方法。通过偏F统计量的检验,在初步建立的回归模型中逐个引入新变量,剔除不显著的老变量,实现温度测点的优化布置,获得数控机床热误差的最优回归模型。将该方法应用于某数控机床,结果表明,基于逐步回归的机床热误差模型,所用温度变量最少,且预测精度最高。     

XH718加工中心的热误差补偿研究

在分析某XH718加工中心主轴及主轴箱结构和热源的基础上,在主轴箱上初步选择多个测温点,根据测温点温度和主轴热误差的数据,应用模糊聚类分析和相关性分析对测温点进行了优化,确定最小数量的关键测温点。然后应用多元线性回归理论建立了关键测温点的温升和热误差的数学模型。数学模型在加工中心上补偿后的数据表明,可以在很大程度上改进加工中心的精度,达到了客户需要的精度要求。     

数控机床主轴热变形伪滞后研究及主轴热漂移在机实时补偿

为研究数控机床热变形规律,实现数控机床误差在机实时补偿,进行数控机床主轴热变形理论及试验分析,结果表明,数控机床主轴热变形与主轴温变在距热源约1/3位置存在近似线性关系,即主轴热变形存在伪滞后现象,这一结果为数控机床测温点优化布置及热误差鲁棒建模提供理论依据。为验证机床热变形伪滞后现象,对VM850加工中心主轴热漂移误差在机实时检测并建模,通过自主研发数控机床误差在线实时补偿系统对主轴热漂移误差进行实时补偿,经补偿,机床主轴热漂移误差减少90%以上,有效提高了数控机床主轴精度。     

基于偏相关分析的数控机床温度布点优化及其热误差建模

提出了一种基于偏相关分析的数控机床温度布点优化方法。数控机床热误差建模一般采用多元线性回归方法,该方法中由于自变量之间的相互作用,各自变量与因变量之间的相互关系不再与简单相关系数所反映的情况完全吻合。使用偏相关分析对温度变量进行优化选择,实现了温度测点优化布置,并建立了数控机床热误差的多元线性回归优化模型,提高了热误差模型的精确性和鲁棒性。     

数控机床热变形误差研究及补偿应用

热变形误差是影响机床加工精度的重要因素之一,通过误差补偿的方法可以提高机床的加工精度。研究了通过实时补偿热变形误差提高数控机床加工精度的方法,阐述了热误差的基本原理,介绍了热误差的测量方法。采用模糊聚类的方法来布置测温点,利用多元线形回归方法建立了机床热变形与温升之间的数学模型。在PLC补偿系统的作用下,在加工过程中对XH718数控机床进行实时补偿。实验结果表明补偿效果很好。     

基于遗传算法优化小波神经网络数控机床热误差建模

数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。     

数控机床热误差补偿最佳转速选择

为提高数控机床热误差补偿模型在实际工程应用中的补偿精度和稳健性,研究了热误差补偿建模时机床最佳转速状态的选择方法。首先,以Leaderway V-450数控加工中心主轴Z向为研究对象,控制机床主轴在空转状态下,以图谱和恒定转速两种方式进行了多批次实验。然后,采用模糊聚类结合灰色关联度选择温度敏感点并建立多元线性回归模型。最后,分析不同转速类型下模型的预测效果并对同种转速类型下模型预测效果进行相对评价,从而给出热误差补偿建模时机床最佳转速状态的选择方法。实验结果表明,根据国际标准中不同主轴转速类型建立的热误差补偿模型,对于机床热误差预测效果存在较大差异。根据实际工程应用选择的最佳转速状态建立的补偿模型有较好的预测效果。     

数控机床热误差的动态自适应加权最小二乘支持矢量机建模方法

为消除数控机床热误差对加工精度的影响,提出基于动态自适应加权最小二乘支持矢量机的数控机床热误差建模方法.为构建机床热误差模型,对一台XK713数控铣床进行建模试验,采用智能温度传感器与激光位移传感器分别获取机床温度值与主轴变形量.运用动态自适应算法,优化选择建模过程中的参数;对采样数据进行初始最小二乘支持矢量机建模,根据误差变量确定权重系数,得到基于加权最小二乘支持矢量机的数控铣床热误差模型.试验结果表明,基于动态自适应最小二乘支持矢量机的数控机床热误差建模方法精度高,泛化能力强,优于未加权最小二乘支持矢量机方法与传统最小二乘法.获得的模型可用于数控机床热误差补偿,以提高数控机床的加工精度.     

Application of ACO-BPN to thermal error modeling of NC machine tool

Thermal errors are the major contributor to the dimensional errors of a workpiece in precision machining. Error compensation technique is a cost-effective way to reduce thermal errors. Accurate modeling of errors is a prerequisite of error compensation. In this paper, four key temperature points of a NC machine tool were obtained based on clustering method. A thermal error model based on the four key temperature points was proposed by using ant colony algorithm-based back propagation neural network (ACO-BPN). The ACO-BPN method improves the prediction accuracy of thermal deformation in the NC machine tool. A thermal error compensation system was developed based on the proposed model, and which has been applied to the NC machine tool in daily production. The results show that the thermal drift in workpiece diameter has been reduced from 33 to 8 μm from its center of tolerance.     

基于灰色系统理论的GM2000A数控机床热误差的智能补偿方式及应用

众所周知对于超精密机床而言,热误差是影响数控机床加工精度的重要因素之一,可达机床加工精度总误差的70%。因此减少热误差对数控机床的影响至关重要。要提高加工精度,减少热误差,就必须对其进行有效的补偿。以GM2000A龙门加工中心为对象介绍了热误差的测量方法,采用灰色系统理论中的灰色关联分析法建立测温点和热误差之间的相关程度达到优化测温点的目的,使输入数据更趋于合理。最后用BP神经网络建立温升和机床热误差之间的数学模型,MATLAB仿真实验结果表明了补偿效果的可行性。     

基于LS-SVM与遗传算法的数控机床热误差辨识温度传感器优化策略

提出一种在数控机床热误差辨识建模过程中,利用最小二乘支持向量机结合遗传算法对温度传感器进行筛选与优化的新方法。对布置在一台数控车床上的温度传感器进行了优化,首先根据热模态理论,对传感器进行分组,利用最小二乘支持向量机方法构建数控机床热误差辨识模型,再根据遗传算法对其进行传感器优化布置。结果表明,遗传算法与最小二乘支持向量机方法的结合,不但很好地避免温度测点的相互影响,保证模型精度,而且节约了硬件成本,提高了辨识建模速度。     

Spindle Thermal Error Optimization Modeling of a Five-axis Machine Tool

Aiming at the problem of low machining accuracy and uncontrollable thermal errors of NC machine tools, spindle thermal error measurement, modeling and compensation of a two turntable five-axis machine tool are researched. Measurement experiment of heat sources and thermal errors are carried out, and GRA(grey relational analysis) method is introduced into the selection of temperature variables used for thermal error modeling. In order to analyze the influence of different heat sources on spindle thermal errors, an ANN(artificial neural network) model is presented, and ABC(artificial bee colony) algorithm is introduced to train the link weights of ANN, a new ABCNN(Artificial bee colony-based neural network) modeling method is proposed and used in the prediction of spindle thermal errors. In order to test the prediction performance of ABC-NN model, an experiment system is developed, the prediction results of LSR(least squares regression), ANN and ABC-NN are compared with the measurement results of spindle thermal errors. Experiment results show that the prediction accuracy of ABC-NN model is higher than LSR and ANN, and the residual error is smaller than 3 lm, the new modeling method is feasible. The proposed research provides instruction to compensate thermal errors and improve machining accuracy of NC machine tools.     

Application of synthetic grey correlation theory on thermal point optimization for machine tool thermal error compensation

This paper presents two new methods to optimize the selection of minimum number of thermal sensors for machine tool thermal error compensation. The two methods, namely, direct criterion method and indirect grouping method, are based on the synthetic grey correlation theory. They are applied to analyze the data of an air cutting experiment on a CNC turning center. After optimization, the number of thermal points reduced from 16 to four. Thus, for machine tool thermal error modeling, the number of temperature variables is greatly reduced while coupling problems among temperature variables can be avoided. A real cutting experiment is then conducted to verify the efficiency of the presented optimization methods under practical manufacturing conditions. The comparison of the results between the model with all 16 thermal sensors and the model with four optimized thermal sensors indicates that, after optimization, the model accuracy is greatly improved.     

基于灰色关联和模糊聚类的机床温度测点优化

针对机床热误差补偿技术中温度测点优化选择的问题,提出采用基于灰色关联分析和模糊聚类分析相结合的方法对机床温度测点进行优化选择。采用灰色关联分析法计算温度变量与主轴热误差之间的相关系数,并据此优选温度变量,采用模糊聚类分析法对所选择的温度变量进行聚类,确定关键温度变量,结合关键温度变量建立热误差线性回归模型。在精密卧式加工中心MCH63上对该方法进行了试验验证,结果表明,温度测点的数量由29个减少到6个,机床轴向热误差由41.3μm减小到7.6μm。     

数控机床热误差的在线测量与补偿加工

对数控机床热误差的产生原因及特点进行了综合分析,简单介绍了应用激光干涉仪对其进行在线测量的基本原理,对数控机床热误差补偿的具体实施过程进行了详细阐述。利用PLC抗干扰能力强、可靠性高、运算速度快及良好的接口性能,给出了数控机床热误差补偿系统的硬件实现方法。应用PLC技术可以提高误差补偿精度,对误差补偿的硬件实施具有一定参考意义。